**Open Knowledge Format(OKF) v0.2를 기반으로 한 AI 에이전트용 도메인 중립적이고 git 네이티브의 영구 프로젝트 메모리입니다.

---

🌟 개요

AI 에이전트와의 대화는 컨텍스트 창이 닫히면 초기화됩니다. 가치 있는 아키텍처 결정, 도메인 발견, 운영 사실은 지속적으로 저장되지 않으면 사라집니다.

전통적인 접근법은 두 가지 치명적인 실패 모드를 겪습니다:

1. 프롬프트 모놀리스: 모든 도메인 지식과 규칙을 AGENTS.md 또는 CLAUDE.md에 몰아넣으면 엄청난 맥락 과부하와 주의 분산(에이전트가 중요한 지시를 무시함)을 초래합니다.
2. RAG 블라인드스팟: 행동 규칙을 벡터 데이터베이스에 덤프하는 것은 에이전트가 일반 작업 중에 운영 제약 조건(예: 형식 또는 보안 규칙)을 의미적으로 탐색하지 않기 때문에 실패합니다.

OKF 에이전트 메모리는 **듀얼 메모리 에이전트 아키텍처(DMAA)**로 이 문제를 해결합니다:

보편 조성 모델

DMAA에서는 모든 에이전트 구성이 보편적인 조합에 의해 구조화됩니다:

$$\텍스트{요원들.

OKF Agent Memory

A Domain-Neutral, Git-Native Persistent Project Memory for AI Agents based on the Open Knowledge Format (OKF) v0.2.

---

🌟 Overview

Conversations with AI agents reset when context windows close. Valuable architectural decisions, domain discoveries, and operational facts are lost unless stored persistently.

Traditional approaches suffer from two fatal failure modes:

1. The Prompt Monolith: Stuffing all domain knowledge and rules into AGENTS.md or CLAUDE.md creates massive context bloat and causes attention drift (agents ignore critical instructions).
2. The RAG Blindspot: Dumping behavioral rules into vector databases fails because agents never semantically search for operational constraints (e.g. formatting or security rules) during general tasks.

OKF Agent Memory resolves this dilemma with the Dual-Memory Agent Architecture (DMAA):

flowchart TD
    subgraph PUSH["1. Normative Working Memory (Push Layer)"]
        direction TB
        C1["Canonical AGENTS.md (capped at 400 tokens)"]
        C2["Domain Codex (Invariants, Ethics, Tone)"]
        C3["OKF Memory Bridge (Deterministic Triggers)"]
        C4["Agent Action Grammar (AAG) Micro-Syntax"]
    end

    subgraph PULL["2. Semantic Domain Memory (Pull Layer)"]
        direction TB
        O1["OKF v0.2 Knowledge Bundle (knowledge/)"]
        O2["0 Tokens baseline in system prompt"]
        O3["Selective Retrieval via okf_search / okf_show"]
        O4["Persistent Graph of Decisions, Facts & Runbooks"]
    end

    INPUT["User Request"] --> PUSH
    PUSH -->|Enforces Domain Codex & Triggers| AGENT["AI Agent (LLM)"]
    AGENT -->|Selective Retrieval| PULL
    PULL -->|Context & Facts| AGENT
    AGENT --> OUTPUT["Deterministic Response"]

The Universal Composition Model

In DMAA, every agent configuration is structured by a universal composition: